-
公开(公告)号：CN117436551A
公开(公告)日：2024-01-23
申请号：CN202311736324.7
申请日：2023-12-18
Applicant: 杭州宇谷科技股份有限公司
IPC: G06N20/00 , G06N3/0895 , G06N5/04 , G06F18/214 , G06F18/23213 , G06F16/332 , G06F16/33 , G06F16/35
Abstract: 本申请涉及一种智能客服模型的训练方法和系统，其中，该方法包括：通过初步训练后的智能客服模型得到未标注样本的预测答案；若预测答案为错误答案，则对错误答案对应的未标注样本进行人工标注，得到第一标注样本；若预测答案为正确答案，则基于标准问题库对未标注样本进行自动标注，得到第二标注样本；基于第一标注样本和第二标注样本，完成智能客服模型的最终训练。通过本申请，解决了如何训练精准度高且成本低的智能客服模型的问题，实现了通过初步训练的智能客服模型对未标注样本进行有针对性的筛选标注，降低训练样本标注的成本，基于筛选标注后的样本完成智能客服模型的最终训练，有效提高模型精度。
-
公开(公告)号：CN117132591B
公开(公告)日：2024-02-06
申请号：CN202311379290.0
申请日：2023-10-24
Applicant: 杭州宇谷科技股份有限公司
IPC: G06T7/00 , G06V10/44 , G06V10/86 , G06V10/774 , G01R31/367
Abstract: 本申请实施例提供的基于多模态信息的电池数据处理模型的训练方法，通过大模型，基于多模态信息的电池数据进行电池状态预测，结合多模态信息的融合以及对比学习完成对大模型的无监督训练。该模型可以获取电池的潜在信息，并生成电池数据的嵌入式表示，为下游任务提供精准有效的数据基础。在面对不同任务时，只需对模型进行微调训练即可，从而极大的简化了模型，降低了模型复杂性。
-
公开(公告)号：CN117061605B
公开(公告)日：2024-02-06
申请号：CN202311309347.X
申请日：2023-10-11
Applicant: 杭州宇谷科技股份有限公司
Abstract: 本发明公开了一种基于端云协同的智能锂电池主动式信息推送方法和装置，获取所述电池BMS终端确定的当前电池信息嵌入向量，以及获取所述用户终端确定的当前用户信息嵌入向量；基于获取的当前电池特征数据和当前用户特征数据，确定当前用户电池交互异构网络；采用基于预先训练好的图神经网络模型，根据所述当前用户电池交互异构网络确定目标用户电池交互嵌入向量；基于所述当前电池信息嵌入向量、所述当前用户信息嵌入向量和所述目标用户电池交互嵌入向量，采用预先训练好的多视图融合模型获取推送信息。本申请实现了云端服务器和端设备之间的协同工作，通过将数据收集和处理分(56)对比文件Kai Li.Deep-Graph-Based ReinforcementLearning for Joint Cruise Control andTask Offloading for Aerial Edge Internetof Things (EdgeIoT)《.IEEE Internet ofThings Journal》.2023,全文.赵孟娜;米林;冯勇.基于神经网络的二次开发电动汽车电池SOC测试软件设计.四川兵工学报.2012,(08),全文.高海燕;毛林;窦凯奇;倪文晔;赵卫滨;余永红.基于图嵌入模型的协同过滤推荐算法.数据采集与处理.2020,(03),全文.
-
Patent Agency Ranking
公开(公告)号：CN117436551B
公开(公告)日：2024-06-21
申请号：CN202311736324.7
申请日：2023-12-18
Applicant: 杭州宇谷科技股份有限公司
IPC: G06N20/00 , G06N3/0895 , G06N5/04 , G06F18/214 , G06F18/23213 , G06F16/332 , G06F16/33 , G06F16/35
Abstract: 本申请涉及一种智能客服模型的训练方法和系统，其中，该方法包括：通过初步训练后的智能客服模型得到未标注样本的预测答案；若预测答案为错误答案，则对错误答案对应的未标注样本进行人工标注，得到第一标注样本；若预测答案为正确答案，则基于标准问题库对未标注样本进行自动标注，得到第二标注样本；基于第一标注样本和第二标注样本，完成智能客服模型的最终训练。通过本申请，解决了如何训练精准度高且成本低的智能客服模型的问题，实现了通过初步训练的智能客服模型对未标注样本进行有针对性的筛选标注，降低训练样本标注的成本，基于筛选标注后的样本完成智能客服模型的最终训练，有效提高模型精度。
-
公开(公告)号：CN116862078B
公开(公告)日：2023-12-12
申请号：CN202311126893.X
申请日：2023-09-04
Applicant: 杭州宇谷科技股份有限公司
IPC: G06Q10/04 , G06Q40/03 , G06F18/214 , G06F18/2321 , G06F18/25 , G06N20/00 , G06Q50/06
Abstract: 本发明公开了一种换电套餐用户逾期的预测方法、系统、装置及介质，包括：获取用户的历史样本集；基于历史样本集进行聚类处理确定初始簇集合，对初始簇集合中的每个初始簇进行上采样，确定新样本集；基于新样本集和历史样本集合并得到的数据集，对预先构建的融合模型进行训练，得到预测模型；根据预测模型，对待预测用户数据进行用户逾期预测，得到换电套餐用户逾期结果。本申请通过扩展随机数范围，可以增加样本集的多样性，避免样本过于集中而导致的重复数据，有效地减少重复数据的产生，并降低合成边界噪声样本的数量。同时通过融合模型结(56)对比文件US 2018336362 A1,2018.11.22祝由 等.供应链金融风险评估研究综述——基于知识图谱技术《.系统工程理论与实践》.2023,第第43卷卷(第第3期期),第795-812页.
-
公开(公告)号：CN117061605A
公开(公告)日：2023-11-14
申请号：CN202311309347.X
申请日：2023-10-11
Applicant: 杭州宇谷科技股份有限公司
Abstract: 本发明公开了一种基于端云协同的智能锂电池主动式信息推送方法和装置，获取所述电池BMS终端确定的当前电池信息嵌入向量，以及获取所述用户终端确定的当前用户信息嵌入向量；基于获取的当前电池特征数据和当前用户特征数据，确定当前用户电池交互异构网络；采用基于预先训练好的图神经网络模型，根据所述当前用户电池交互异构网络确定目标用户电池交互嵌入向量；基于所述当前电池信息嵌入向量、所述当前用户信息嵌入向量和所述目标用户电池交互嵌入向量，采用预先训练好的多视图融合模型获取推送信息。本申请实现了云端服务器和端设备之间的协同工作，通过将数据收集和处理分布在云端和端设备上，提高了推送信息的效率，并节约了带宽和计算资源。
-
公开(公告)号：CN117132591A
公开(公告)日：2023-11-28
申请号：CN202311379290.0
申请日：2023-10-24
Applicant: 杭州宇谷科技股份有限公司
IPC: G06T7/00 , G06V10/44 , G06V10/86 , G06V10/774 , G01R31/367
Abstract: 本申请实施例提供的基于多模态信息的电池数据处理模型的训练方法，通过大模型，基于多模态信息的电池数据进行电池状态预测，结合多模态信息的融合以及对比学习完成对大模型的无监督训练。该模型可以获取电池的潜在信息，并生成电池数据的嵌入式表示，为下游任务提供精准有效的数据基础。在面对不同任务时，只需对模型进行微调训练即可，从而极大的简化了模型，降低了模型复杂性。
-
公开(公告)号：CN116862078A
公开(公告)日：2023-10-10
申请号：CN202311126893.X
申请日：2023-09-04
Applicant: 杭州宇谷科技股份有限公司
IPC: G06Q10/04 , G06Q40/03 , G06F18/214 , G06F18/2321 , G06F18/25 , G06N20/00 , G06Q50/06
Abstract: 本发明公开了一种换电套餐用户逾期的预测方法、系统、装置及介质，包括：获取用户的历史样本集；基于历史样本集进行聚类处理确定初始簇集合，对初始簇集合中的每个初始簇进行上采样，确定新样本集；基于新样本集和历史样本集合并得到的数据集，对预先构建的融合模型进行训练，得到预测模型；根据预测模型，对待预测用户数据进行用户逾期预测，得到换电套餐用户逾期结果。本申请通过扩展随机数范围，可以增加样本集的多样性，避免样本过于集中而导致的重复数据，有效地减少重复数据的产生，并降低合成边界噪声样本的数量。同时通过融合模型结构，利用不同分类模型学习不同的信息，进而提高预测的准确性和稳定性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.035 seconds)
